MATLAB神经网络43个案例分析.pdf 王小川！！！

风中的漂流瓶

本书是在《MATLAB神经网络30个案例分析》的基础上修改、补充而成的，秉承着“理论讲解—案例分析—应用扩展”这一特色，帮助读者更加直观、生动地学习神经网络。
2 B  p$ `% U/ K1 V# n$ W/ i
本书共有43章，内容涵盖常见的神经网络（BP、RBF、SOM、Hopfield、Elman、LVQ、Kohonen、GRNN、NARX等）以及相关智能算法（SVM、决策树、随机森林、极限学习机等）。同时，部分章节也涉及了常见的优化算法（遗传算法、蚁群算法等）与神经网络的结合问题。此外，本书还介绍了MATLAB R2012b中神经网络工具箱的新增功能与特性，如神经网络并行计算、定制神经网络、神经网络高效编程等。
使用本书时，建议读者按照“先通读章节内容，后调试程序，再精读章节内容”的顺序学习。本书程序建议在MATLAB R2009a及以上版本环境下运行。若在程序调试过程中有任何疑问，建议先在论坛书籍答疑版块搜索相关答案，然后再发帖与作者交流。
  L9 [3 F5 d3 T/ O2 _本书可作为高等学校相关专业学生本科毕业设计、研究生课题研究的参考书籍，亦可供相关专业教师教学参考。
. m; t+ ]- O! m  N: c$ |% ^. e( F
. S% H/ M7 J2 [  q: D! L% d# q随书附赠的程序源代码请到北京航空航天大学出版社网站的“下载专区”免费下载。也可登录MATLAB技术论坛（www.matlabsky.com）到相应书籍答疑版块免费下载。
$ S9 g1 g( _# m( d/ Z* @

编辑推荐
本书详细论述了在MATLAB环境下如何实现神经网络，包括了常用的神经网络及相关理论，以及各种优化算法与神经网络的结合。考虑到MATLAB R2012b版本中神经网络工具箱作了更新，本书也新增了神经网络并行运算、定制神经网络、神经网络高效编程等章节，非常适合中高级神经网络研究人员参考。
作为众多宣讲MATLAB家族产品丛书中的一个系列，该书的最大特点是接地气，实用性强。四位作者都是长期活跃在MATLAB技术论坛的版主，每天都会在线解答MATLAB特别是针对神经网络的问题，积累了丰富的使用经验。本书所举例的43个案例，部分来源于各大公司、院校的科研课题，也有一部分来源于MATLAB技术论坛的会员提问。这些案例代表了神经网络在各个领域的相关应用，读者可以根据自己研究问题的需要，第一时间找到适合自己学习的神经网络章节，进行阅读。
% _; `. m7 ]4 t5 Q8 r# |8 ~作者简介
3 ~* t! G( d5 `2 p3 ~  }王小川，网名hgsz2003，MATLAB技术论坛(www．matlabsky．com)管理团队核心成员。现于同济大学经济与管理学院攻读博士学位，长期研究神经网络在统计学中的应用，精通MATLAB、SAS、SPSS等统计软件，热衷数据分析和数据挖掘工作，擅长竞争神经网络在数据挖掘中的运用，有着扎实的理论基础和丰富的实战经验。著有《MATLAB神经网络30个案例分析》一书。史峰，网名shi01fg，对外经济贸易大学国际经济贸易学院金融学专业在读博士，MAT—LAB技术论坛(WWW．matlabsky．com)管理团队核心成员。从MATLAB 6．5开始接触MATLAB软件，主要用于金融软件开发、科学计算、交易策略研究等，并有多个MATLAB工程开发经验；在长期的使用过程中积累了较丰富的编程经验，擅长于神经网络、智能算法、科学计算和GUI设计。著有《MATLAB神经网络30个案例分析》、《MATLAB智能算法30个案例分析》等畅销书。郁磊，网名yuthreestone，MATLAB技术论坛(www．matlabsky．c。m)管理团队核心成员。现工作于中科院苏州生物医学工程技术研究所，研究方向为智能控制与模式识别、生理仿真建模、远程医护等。使用MATLAB近10年，对各个版本的MATLAB开发环境及工具箱非常熟悉，具有丰富的MATLAB开发、设计经验。著有《MATLAB神经网络30个案例分析》、《MATLAB智能算法30个案例分析》等畅销书。李洋，网名faruto，MATLAB技术论坛(www．matlabsky．com)管理团队核心成员，北京师范大学应用数学硕士，8年MATLAB编程经验，对机器学习、量化投资等领域感兴趣，已出版书籍《MATLAB神经网络30个案例分析》，现就职于国内某期货公司研究院量化投资部，进行程序化交易和量化投资相关策略的研发工作。
, P( v# E9 e" A* O" I目录
第1章BP神经网络的数据分类——语音特征信号分类
1.1案例背景
1.1.1BP神经网络概述
" T& s- y  V% t% O8 B1.1.2语音特征信号识别
' H/ p! j$ |: ~3 H1.2模型建立
+ ^4 _' Q" `& t- m1.3MATLAB实现
1.3.1归一化方法及MATLAB函数
+ F/ S0 ?+ Y, j  F/ Q1.3.2数据选择和归一化
& }! \- Q, a* [2 k, M* k1.3.3BP神经网络结构初始化
1.3.4BP神经网络训练
3 B8 D- i2 X$ I: [1.3.5BP神经网络分类
1.3.6结果分析
" m5 ^; n7 u( i/ C1.4案例扩展
1 |' v' G/ p# ~3 N7 R2 M, C& P1.4.1隐含层节点数
1.4.2附加动量方法
! ?  |5 @" r* \2 T! I$ E  T1 r2 N1.4.3变学习率学习算法
参考文献
第2章BP神经网络的非线性系统建模——非线性函数拟合
) A$ k6 M$ j7 k: S2.1案例背景
$ j' z! f; D# _2.2模型建立
6 g6 a4 Z% O/ F% C  k" b2.3 MATLAB实现
7 W  b4 x6 f9 M6 v2.3.1 BP神经网络工具箱函数
2.3.2数据选择和归一化
2.3.3 BP神经网络训练
; v8 N* S1 M! @2.3.4 BP神经网络预测
2.3.5结果分析
2.4案例扩展
5 F7 ]. ^6 ?( ?3 a7 H: o2.4.1多隐含层BP神经网络
2.4.2隐含层节点数
2.4.3训练数据对预测精度影响
2.4.4节点转移函数
2.4.5网络拟合的局限性
参考文献
+ q; ^7 Z9 z' l0 a, d第3章 遗传算法优化BP神经网络——非线性函数拟合
3.1案例背景
  }. D  O6 a# Y/ ^, e8 |- u. g  n3.1.1遗传算法原理
3.1.2遗传算法的基本要素
$ f; S# t! \5 G7 B" j/ a! a1 w2 N3.1.3拟合函数
3.2模型建立
. q( U# s, }% a) D! E2 \3 P0 y  }3.2.1算法流程
. L9 s$ w- k. d+ z& Q  t# V3.2.2遗传算法实现
3.3编程实现
' o0 {0 @9 s1 q4 S/ ]+ Z- m3.3.1适应度函数
4 a) ?1 L7 c: i% f7 }3.3.2选择操作
  S. E$ L, J5 X1 n4 z( n7 K% T& n3.3.3交叉操作
4 k5 M( M! B. S' E% h4 d3 o) ]3.3.4变异操作
/ s# E% ~. @9 P  S; n( G7 d4 {8 T- i3.3.5遗传算法主函数
$ H( O1 B2 l, A* Z0 c" g, q7 t3.3.6 遗传算法优化的BP神经网络函数拟合
0 I. q9 ?  W! }1 d  d, P) K3.3.7结果分析
& A! s% w6 j' i$ {! `$ N3.4案例扩展
" a6 m# K: c5 k9 f: w" }0 l3.4.1其他优化方法
3 Q4 D  e; w' N! f+ X& h3.4.2网络结构优化
3.4.3算法的局限性
参考文献
: i3 r1 ]' U. k$ A. d第4章 神经网络遗传算法函数极值寻优——非线性函数极值寻优
4.1案例背景
4.2模型建立
1 N2 ^, ]* z% C# }( O9 Q4.3编程实现
; h# m. p/ o1 y$ H: {0 M4 u6 O, Y4.3.1 BP神经网络训练
4.3.2适应度函数
( h  r& Z$ R' |1 v4 r4.3.3遗传算法主函数
4.3.4结果分析
" Q( Z7 S( |; V2 i) r4.4案例扩展
4.4.1工程实例
4.4.2预测精度探讨
! n6 Y; K9 o. s: a" H" d参考文献
第5章 基于BP—Adaboost的强分类器设计——公司财务预警建模
- e% ]) K0 g' C" ?2 [5.1案例背景
, ^% j( v! i8 g( F5.1.1 BP—Adaboost模型
5.1.2公司财务预警系统介绍
* L$ q! ]7 s! e' I/ C, e1 J8 P5.2模型建立
5.3编程实现
5.3.1数据集选择
: i0 F. N. o4 w6 h3 o4 u1 {' [1 n9 b5.3.2弱分类器学习分类
4 {0 n+ \% T1 G, |2 k5.3.3强分类器分类和结果统计
5.3.垂结果分析
7 ~6 k9 c, X5 `5.4案例扩展
5.4.1数据集选择
5.4.2弱预测器学习预测
5.4.3强预测器预测
5.4.4结果分析
3 e$ Y0 ~/ V2 g0 H1 F3 a参考文献
1 g2 s' `. {" V5 q! H1 C; m第6章PID神经元网络解耦控制算法——多变量系统控制
6.1案例背景
, ~* W) z& _1 w8 p6.1.1 PID神经元网络结构
6.1.2控制律计算
5 K2 [- p. ^  x5 ^: @6.1.3权值修正
6.1.4控制对象
: v1 t0 ^) O( }. I  N" s1 z5 |( S% H6.2模型建立
0 ^* f% i: e2 h; r9 J5 H6.3编程实现
$ R! N' J4 Y  q$ o6.3.1 PID神经网络初始化
6.3.z控制律计算
1 \" K* B  v3 {/ j0 v6.3.3权值修正
4 D8 {0 P- b4 u9 }' h6.3.4结果分析
6.4案例扩展
) y( j$ i) Z( z2 C* y7 T6.4.1增加动量项
6.4.2神经元系数
2 J$ p4 |/ K- A7 m% q0 F! T; u6.4.3 PID神经元网络权值优化
: r0 p1 J  Q/ n8 ~参考文献
4 ^- }; n+ J6 S' m8 ~, u第7章 RBF网络的回归——非线性函数回归的实现
7.1案例背景
7.1.1 RBF神经网络概述
( N2 v7 P' o: f2 k6 J- }% z7.1.2 RBF神经网络结构模型
7.1.3 RBF神经网络的学习算法
, g. u! \" x  {; F4 C+ d; c7.1.4曲线拟合相关背景
0 N0 T9 r6 W4 P0 c7.2模型建立
  I  [, q7 @3 f7.3 MATLAB实现
0 l/ E; e5 [4 e% k2 x7.3.1 RBF网络的相关函数
7.3.2结果分析
7.4案例扩展
/ W$ u$ ~. I% h; u7.4.1应用径向基神经网络需要注意的问题
! G, e( M, G+ r! C( P, {. @+ }" w7.4.2 SPREAD对网络的影响
: I$ d; V( b+ ?- J参考文献
2 l, p# K2 U0 g第8章 GRNN的数据预测——基于广义回
归神经网络的货运预测
8 K* |8 u: u5 `7 ?8.1案例背景
8.1.1 GRNN神经网络概述
8.1.2 GRNN的网络结构
8.1.3 GRNN的理论基础
- `) E: j) P& C: ?8.1.4运输系统货运量预测相关背景
$ E$ |' C( c1 s# C! V8.2模型建立
8.3 MATLAB实现
8.4案例扩展
* l' b+ F, y8 D+ g! C. Y1 _$ T参考文献
8 m6 r: v! S% B" S4 O) ^" i第9章 离散Hopfield神经网络的联想记忆——数字识别
9.1案例背景
: y# h; D( E& a; j. h9.1.1离散Hopfield神经网络概述
9.1.2数字识别概述
9.1.3问题描述
) i, Q9 i" u) W6 R5 z9.2模型建立
  \( x7 J3 h5 @7 @9 G9.2.1设计思路
9.2.2设计步骤
9.3 Hopfield网络的神经网络工具箱函数
9.3.1 Hopfield网络创建函数
9 N: N5 _- K) m9.3.2 Hopfield网络仿真函数
9.4 MATLAB实现
9.4.1输入输出设计
6 T1 I6 ~( Z8 o% c* C) h9.4.2网络建立
9.4.3产生带噪声的数字点阵
9.4.4数字识别测试
9.4.5结果分析
9.5案例扩展
9.5.1识别效果讨论
9.5.2应用扩展
参考文献
第10章 离散Hopfield神经网络的分类——高校科研能力评价
4 ~' M/ |/ v! W2 `6 \5 W10.1案例背景
10.1.1离散Hopfield神经网络学习规则
10.1.2高校科研能力评价概述
4 N6 {/ J) o8 E. D/ L! k4 Y3 z10.1.3问题描述
- }, B1 m+ Q  J6 J& J10.2模型建立
10.2.1设计思路
10.2.2设计步骤
10.3 MATLAB实现
10.3.1清空环境变量
10.3.2导人数据
5 U4 N+ Z* |' V+ k10.3.3创建目标向量（平衡点）
10.3.4创建网络
% a6 X5 l4 l6 ~, i- E( T10.3.5仿真测试
0 ^  B1 u% }5 R! z0 B1 w, \3 V10.3.6结果分析
10.4案例扩展
3 @; K8 k% i; V( O' ?8 f参考文献
第11章 连续Hopfield神经网络的优化——旅行商问题优化计算
11.1案例背景
4 Q1 ~( X( s6 N, n+ }/ q- H" [11.1.1连续Hopfield神经网络概述
7 r# S3 f2 l: ]& @, ?7 i" H11.1.2组合优化问题概述
11.1.3问题描述
11.2模型建立
11.2.1设计思路
11.2.2设计步骤
11.3 MATLAB实现
11.3.1清空环境变量、声明全局变量
11.3.2城市位置导入并计算城市间距离
11.3.3初始化网络
6 I( ^  U7 [! Q5 N8 E) ^0 c' x11.3.4寻优迭代
, K9 A2 A) Z* ~# G) ]3 A# H4 L11.3.5结果输出
11.4案例扩展
) X, X, k) W2 F9 D( X' j) P5 C8 D2 ^11.4.1结果比较
* V4 O1 _5 i: ~) o& g3 G' c11.4.2案例扩展
# U$ k- Y( z' M8 _2 i, F参考文献
" I/ E0 Y& R& w- @* u1 Q第12章初识SVM分类与回归
12.1案例背景
9 {: Z- g- M: f* X1 ^- _. P12.1.1 SVM概述
8 F( `2 B7 B9 ~0 Z" f: B12.1.2 LIBSVM工具箱介绍
' E) E$ @: \& p12.1.3 LIBSVM工具箱在MATLAB平台下的安装
12.2 MATLAB实现
12.2.1使用LIBSVM进行分类的小例子
12.2.2使用LIBSVM进行回归的小例子
12.3案例扩展
参考文献
第13章LIBSVM参数实例详解
13.1案例背景
13.2 MATLAB实现
13.3案例扩展
参考文献
) G0 M* h" a% {  C3 ?第14章 基于SVM的数据分类预测——意大利葡萄酒种类识别
14.1案例背景
14.2模型建立
14.3 MATLAB实现
14 3.1选定训练集和测试集
……
: t# P3 e9 k' ~+ ?$ J/ ^4 B0 u3 c第15章SVM的参数优化——如何更好地提升分类器的性能
; }7 O: M4 r) r7 H第16章基于SVM的回归预测分析——上证指数开盘指数预测
/ u5 ^! c& m% J, c/ [1 `( h第17章基于SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测
第18章基于SVM的图像分割——真彩色图像分割
第19章基于SVM的手写字体识别
第20章LIBSVM—FarutoUltimate工具箱及GuI版本介绍与使用
第21章自组织竞争网络在模式分类中的应用——患者癌症发病预测
第22章SOM神经网络的数据分类——柴油机故障诊断
; e% ]2 L: h( V4 k第23章Elman神经网络的数据预测——电力负荷预测模型研究
第24章概率神经网络的分类预测——基于PNN的变压器故障诊断
' s8 {2 s4 L3 x3 u: r第25章基于MIV的神经网络变量筛选——基于BP的神经网络变量筛选
第26章LVQ神经网络的分类——乳腺肿瘤诊断
第27章LVQ神经网络的预测——人脸朝向识别
第28章决策树分类器的应用研究——乳腺癌诊断
第29章极限学习机在回归拟合及分类问题中的应用研究——对比实验
第30章基于随机森林思想的组合分类器设计——乳腺癌诊断
第31章思维进化算法优化BP神经网络——非线性函数拟合
0 o: r! T' ^% F, R第32章小波神经网络的时间序列预测——短时交通流量预测
第33章模糊神经网络的预测算法——嘉陵江水质评价
第34章广义神经网络的聚类算法——网络入侵聚类
1 G3 `: L& J! K  R+ R第35章粒子群优化算法的寻优算法——非线性函数极值寻优
, K$ \( U9 g: ]第36章遗传算法优化计算——建模自变量降维
第37章基于灰色神经网络的预测算法研究——订单需求预测
第38章基于Kohonen网络的聚类算法——网络入侵聚类
第39章神经网络GUI的实现——基于GUI的神经网络拟合、模式识别、聚类
/ e8 V) g0 b* h  n; z3 X( L* B; s第40章动态神经网络时间序列预测研究——基于MATLAB的NARX实现
2 R3 U3 p1 g0 T第41章定制神经网络的实现——神经网络的个性化建模与仿真
第42章并行运算与神经网络——基于CPU／GPU的并行神经网络运算
第43章神经网络高效编程技巧——基于MATLABR2012b新版本特性的探讨
序言
序言
很荣幸受好友王小川之邀，并代表MathWorks公司为其新书《MATLAB神经网络43个案例分析》（《MATLAB神经网络30个案例分析》的升级版本）作序，同时也感谢该书四位才华横溢的青年才俊这几年来对MATLAB软件应用（尤其是在神经网络方面）所做的持续的推广工作。
% U/ \' p4 d# i我与这四位作者的结缘，与众多编著MATLAB丛书的作者相识过程类似，完全是因为热爱MATLAB产品。尤其是王小川，他不仅在论坛、微博里充满能量，而且他的数据挖掘公开课也令人称道，在MATLAB粉丝中有着很大的影响力。此次他集合原书作者，针对读者就原书中的书籍案例和写作上所提出的意见和建议，进行了大幅升级，终于完成了这本《MATLAB神经网络43个案例分析》的编写。
$ C5 W" {0 _1 n本书详细论述了在MATLAB环境下如何实现神经网络，包括了常用的神经网络及相关理论，以及各种优化算法与神经网络的结合。考虑到MATLAB R2012b版本中神经网络工具箱作了更新，本书也新增了神经网络并行运算、定制神经网络、神经网络高效编程等章节，非常适合中高级神经网络研究人员参考。
作为众多宣讲MATLAB家族产品丛书中的一个系列，该书的最大特点是接地气，实用性强。四位作者都是长期活跃在MATLAB技术论坛的版主，每天都会在线解答MATLAB特别是针对神经网络的问题，积累了丰富的使用经验。本书所举例的43个案例，部分来源于各大公司、院校的科研课题，也有一部分来源于MATLAB技术论坛的会员提问。这些案例代表了神经网络在各个领域的相关应用，读者可以根据自己研究问题的需要，第一时间找到适合自己学习的神经网络章节，进行阅读。
因此我相信此书的出版，必将大大加速各位神经网络使用人员的学习进度，提升大家的工程应用能力。在此我郑重向大家推荐此书。
* v- C* {/ R; r' m
9 y/ K, |& R$ [9 j0 D. `
, K) E5 I1 W% W* \& y, _1 VMathWorks 中国教育业务发展总监

陈炜博士
+ e7 o: C0 v- t
2013年6月于上海


+ v3 J/ s0 O- Z- i& `) Z5 x) d! ypdf 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r
数据程序 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r

7 m+ Z) h) y- J& n; [& @

) a, E" B3 g3 v, N4 j( f3 U- q